一种逆变器参数控制方法技术

本发明专利技术涉及电网领域，尤其涉及一种逆变器参数控制方法。本发明专利技术针对微电网中光伏发电出力及负荷波动具有的随机性会造成微电网运行方式动态变化这一特点，利用随机量的动态概率模型来描述光伏发电系统出力与负荷，并进而研究考虑系统多运行方式的微电网逆变器参数的优化方法。本方法考虑了微电网的运行随机性和运行方式多样性，基于动态概率特征根分析，从整体角度出发对微电网控制器参数进行优化。

【技术实现步骤摘要】

本专利技术涉及电网领域，尤其涉及一种逆变器参数控制方法。本专利技术针对微电网中光伏发电出力及负荷波动具有的随机性会造成微电网运行方式动态变化这一特点，利用随机量的动态概率模型来描述光伏发电系统出力与负荷，并进而研究考虑系统多运行方式的微电网逆变器参数的优化方法。本方法考虑了微电网的运行随机性和运行方式多样性，基于动态概率特征根分析，从整体角度出发对微电网控制器参数进行优化。
技术介绍
微电网内逆变型微电源的控制器设计是当前微电网研究的热点。在孤网运行模式下，微电网内不同特性的微电源通常采用不同的控制方式。为保证可再生能源的最大利用率，光伏发电系统等波动较大的微电源通常采用最大功率跟踪控制策略；而像微型燃气轮机、燃料电池及柴油机这样输出稳定的微电源，适合根据负荷变化调整出力，维持系统内的功率平衡；储能装置响应迅速，但存储量有限，因此在暂态过程中可利用其抑制频率及电压的大幅波动，在稳态时控制其输出重新归零。对于一个包含上述多种类型微电源的微电网，各逆变控制器参数的选择至关重要。然而，目前尚没有对所有逆变控制器的参数进行整体优化的系统性方法。常用的逆变控制器的参数优化方法有以下几种：1、根据研究微电网系统的特征值随单个控制器参数的变化规律，指出导致系统不稳定的不合理控制参数。该方法只是简单的试错法，耗时且不能保证参数的整体最优性。2、利用粒子群算法对微电网内所有控制器的参数进行整体优化，其缺点是没有考虑系统的多运行方式。实际上，由于负荷及风力、光伏发电等微电源的输出具有随机性，微电
网的运行方式也具有一定的随机波动性，基于一种运行方式所设计的控制器可能在其它运行方式下失效甚至恶化系统的稳定性。由上述分析可见，现有的逆变控制器优化方法都有各自的局限性，目前还不适合作为微电网逆变控制器参数的优化方法，因此需要一种行之有效的逆变控制器参数优化方法。
技术实现思路
专利技术的目的：为了提供一种效果更好的逆变器参数控制方法。为了达到如上目的，本专利技术采取如下技术方案：一种逆变器参数控制方法，其特征在于，包含如下步骤，步骤1，建立PVGS输出功率及负荷需求的模型，其模型可用式(1)来描述：W(t)＝P(t)+D(t) (1)式中：P(t)为基础函数，用来反映W(t)中按规律变化的成分；D(t)为随机变量，用来反映W(t)中的随机波动成分；由于特征根是系统运行方式的函数，因此在不同的时刻点上，可基于运行方式的概率模型确定相应特征根的分布特征；步骤2，基于拉丁超立方抽样-蒙特卡洛模拟方法，提出动态概率特征根分析方法；具体步骤如下：步骤2.1，采样，假设抽样次数为N，X1，X2，...XK为待求概率问题的K个输入随机变量，XK，k∈[1，K]的累积概率分布函数为Yk＝Fk(Xk)，此分布函数的取值范围[0，1]被等分成N个子区间，选择每个区间的中点作为Yk的采样值，然后由累积概率分布函数的逆函数求得Xk的采样值，Xk的第n个采样值为：xkx=Fk-1[(n-0.5)/N];]]>步骤2.2，排列，将每一个随机变量的采样值排成矩阵的一行；当K个输入随机变量采样结束，所有的采样值Xkx形成一个K×N阶的初始采样矩阵X；随后采用Gram-Schmidt序列正交化方法排列各行采样点的顺序，使不同随机变量采样值的相关性趋于最小；步骤2.3，最终形成的采样矩阵X的行代表某个随机变量的所有采样值，列代表一次随机模拟中各随机变量的输入值；分别对不同时刻点X中的每一列所代表的运行方式进行确定性的小干扰分析，从结果中即能够统计出当前时刻点特征根
的分布情况；步骤3，构建微电网逆变控制器参数优化模型；特征根在复平面的位置决定了系统的稳定性和动态性能的优劣；对于t时刻系统的第m个特征根λm，t＝αm，t±jβm，t，若其实部αm，t具有均值和标准差σm，t，则αm，t位于区间的概率为0.9999，非常接近于1；因此在设计逆变控制器参数时应保证该区间完全位于复平面的左半平面，即区间上界且α′m，t距离虚轴的距离应尽量的远；根据以上分析，本文采用α′m，t来评估t时刻微电网在多运行方式下的稳定性；对于所考虑的整个时间区间，微电网逆变器参数设计问题可转化为如下优化问题，目标函数定义为：J＝max{α′m，t，m＝1，...，M，t＝1，...，T本文档来自技高网...

【技术保护点】
一种逆变器参数控制方法，其特征在于，包含如下步骤，步骤1，建立PVGS输出功率及负荷需求的模型，其模型可用式(1)来描述：W(t)＝P(t)+D(t)      (1)式中：P(t)为基础函数，用来反映W(t)中按规律变化的成分；D(t)为随机变量，用来反映W(t)中的随机波动成分；由于特征根是系统运行方式的函数，因此在不同的时刻点上，可基于运行方式的概率模型确定相应特征根的分布特征；步骤2，基于拉丁超立方抽样‑蒙特卡洛模拟方法，提出动态概率特征根分析方法；具体步骤如下：步骤2.1，采样，假设抽样次数为N，X1，X2，...XK为待求概率问题的K个输入随机变量，Xk，k∈[1，K]的累积概率分布函数为Yk＝Fk(Xk)，此分布函数的取值范围[0，1]被等分成N个子区间，选择每个区间的中点作为Yk的采样值，然后由累积概率分布函数的逆函数Fk‑1(Yk)求得Xk的采样值，Xk的第n个采样值为：xkn＝Fk‑1[(n‑0.5)/N]；步骤2.2，排列，将每一个随机变量的采样值排成矩阵的一行；当K个输入随机变量采样结束，所有的采样值Xkn形成一个K×N阶的初始采样矩阵X；随后采用Cram‑Schmidt序列正交化方法排列各行采样点的顺序，使不同随机变量采样值的相关性趋于最小；步骤2.3，最终形成的采样矩阵X的行代表某个随机变量的所有采样值，列代表一次随机模拟中各随机变量的输入值；分别对不同时刻点X中的每一列所代表的运行方式进行确定性的小干扰分析，从结果中即能够统计出当前时刻点特征根的分布情况；步骤3，构建微电网逆变控制器参数优化模型；特征根在复平面的位置决定了系统的稳定性和动态性能的优劣；对于t时刻系统的第m个特征根λm，t＝αm，t±jβm，t，若其实部αm，t具有均值和标准差σm，t，则αm，t位于区间的概率为0.9999，非常接近于1；因此在设计逆变控制器参数时应保证该区间完全位于复平面的左半平面，即区间上界且α′m，t距离虚轴的距离应尽量的远；根据以上分析，本文采用α′m，t来评估t时刻微电网在多运行方式下的稳定性；对于所考虑的整个时间区间，微电网逆变器参数设计问题可转化为如下优化部题，目标函数定义为：J＝max{α′m，t，m＝1，...，M，t＝1，...，T}      (2)式中：M、T分别代表统的特征根数与所考虑的时刻点数；式(2)所示目标函数表示在整个时间区间所有特征根实部的最大上界，优化的目的是使该上界尽可能的向远离虚轴的方向左移，这样的优化目标保证了参数在不同运行方式下的整体最优性；逆变控制器最优设计可表述为如下优化问题：minμJs.t.μmin≤μ≤μmax---(3)]]>优化变量μ为光伏发电和储能系统逆变控制器的参数KPp1、KIp1、KPq1、KIq1、KP1、KI1、Km1、Kn2、Tw2、KPp2、KIp2、KPq2、KIq2、KP2、KI2；式(3)表述的是带不等式约束的高维非线性优化问题，采用微分进化算法进行求解；步骤4，利用微分进化算法进行求解，从而获得最优的微电网控制器参数；以两个随机选取的矢量参数的差向量作为第三个矢量参数的变化源，通过对当前种群进行变异、交叉、选择等操作生成新种群，最终使种群进化到接近最优解的状态。...

【技术特征摘要】
1.一种逆变器参数控制方法，其特征在于，包含如下步骤，步骤1，建立PVGS输出功率及负荷需求的模型，其模型可用式(1)来描述：W(t)＝P(t)+D(t) (1)式中：P(t)为基础函数，用来反映W(t)中按规律变化的成分；D(t)为随机变量，用来反映W(t)中的随机波动成分；由于特征根是系统运行方式的函数，因此在不同的时刻点上，可基于运行方式的概率模型确定相应特征根的分布特征；步骤2，基于拉丁超立方抽样-蒙特卡洛模拟方法，提出动态概率特征根分析方法；具体步骤如下：步骤2.1，采样，假设抽样次数为N，X1，X2，...XK为待求概率问题的K个输入随机变量，Xk，k∈[1，K]的累积概率分布函数为Yk＝Fk(Xk)，此分布函数的取值范围[0，1]被等分成N个子区间，选择每个区间的中点作为Yk的采样值，然后由累积概率分布函数的逆函数Fk-1(Yk)求得Xk的采样值，Xk的第n个采样值为：xkn＝Fk-1[(n-0.5)/N]；步骤2.2，排列，将每一个随机变量的采样值排成矩阵的一行；当K个输入随机变量采样结束，所有的采样值Xkn形成一...

【专利技术属性】
技术研发人员：董开松，贾嵘，李臻，沈渭程，郑翔宇，杨俊，马喜平，赵耀，赵炜，胡殿刚，甄文喜，秦睿，张小敏，魏博，王维洲，李韶瑜，韩旭杉，马彦宏，
申请(专利权)人：国家电网公司，国网甘肃省电力公司电力科学研究院，国网甘肃省电力公司，西安理工大学，
类型：发明
国别省市：北京;11